关于观念创新的几点思考

创新理论体系的内容包括五个部分，观念创新是其它创新活动的前提和先导，它为企业创新提供了观念、理论、路径的指导，是创新理论的重要组成部分。本首先对创新理论的飞鸟模型、观念创新的重要性以及创新过程要遵循的客观规律进行了分析，然后对观念创新的方法论以及我们可以从哪几个方面取得的观念创新的突破进行了论述。     

高新技术企业动态联盟利益分配方法探析

高新技术企业具有创新性强、资金密集、知识技术密集、高收益和高风险等特点,建立高新技术企业动态联盟可以集成各成员的优势资源,开发新技术和新产品或者实现科技成果转化,以抓住市场机遇和适应市场竞争需要,使企业快速发展.科学合理的利益分配方案是动态联盟的基础,联盟成员投入的核心能力是高新技术企业动态联盟利益形成的主要贡献力量,基于优势技术的核心能力系数和基于优势资源的核心能力贡献度是影响研发型和产品型联盟利益形成的主要因素,引入核心能力系数和核心能力贡献度,分别建立研发型和产品型高新技术企业动态联盟利益分配模型,联盟利益分配更具合理性,可以充分调动联盟成员的积极性,提高联盟成功率.     

基于EGARCH模型的我国股市信息对称性研究

利用过去17年我国上证综合指数的历史数据,根据股票市场大的波动周期分五阶段经过EGARCH(1,1)模型估计,以验证市场对信息冲出的反映情况.研究结果表明:中国股市存在很大的波动性,尚未达到弱有效性;存在正负杠杆效应交替出现的现象,表现出信息不对称性,但是这种不对称性在明显减小.     

多层次灰色统计模型在课堂教学质量评估中的应用研究

本文根据当前我国高校课堂教学特点,以灰色系统理论为基础,将层次分析法与灰色统计法相结合,建立了基于AHP的灰色统计模型,论述了利用该模型对课堂教学质量进行评估的基本步骤。实例表明,这种建模方法科学合理,可以减少主观因素的影响,提高评估结论的准确性,在案例应用中取得了较好的效果。     

中国制造业出口垂直专业化程度的测度与分析

本文采用Hummels等人的垂直专业化测度模型和我国投入产出表数据,从9个大类和四大要素密集型产业两个层面对我国制造业出口的垂直专业化程度进行测度。实证结果显示,1992~2003年期间,我国制造业出口的垂直专业化程度稳步提高,从1992年的16.8%上升至2003年的29.4%。文章在实证分析的基础上,提出了进一步提升我国制造业出口垂直专业化程度的对策措施。     

TGARCH模型在利率波动建模中的应用

波动率是利率期限结构模型的重要因素。本文从对利率的波动进行建模,进而对利率的波动进行预测的角度出发,在考虑利率波动的异方差性质,以及利率对正的信息和负的信息的不同的波动模式的基础上,用门限广义自回归条件异方差模型(TGARCH)对CKLS模型中的波动部分进行建模。     

基于层次分析法的经济增长质量评价模型

本文通过对经济增长质量进行定性分析,建立了经济增长质量指标体系,在利用层次分析法的基础上构建经济增长质量的评价模型,以实现对经济增长质量进行定量分析的设想。     

美是上帝的名字：神学美学的核心命题

中世纪基督教神学美学是围绕“美是上帝的名字”展开的。其中通过三位一体、创世、道成肉身、救赎和永生等基本教义的讨论，深刻揭示了美与真、善的关系，爱、与信、望的关系，认识、意志、情感的关系，以及从对事物的美的欣赏到静观上帝--美本身的心路历程，不仅充分反映了中世纪人们的审美理想，也概括了人类某些共同的审美经验。     

《边城》：废弃的反现代化堡垒

渲泄内心深处被压抑的欲望，摆脱城市文明的压力，是《边城》创作的根本动机。这一动机说明《边城》的创作是一种抵抗，它意味着怀念湘西，更意味着抗拒现代化。在价值的固守与拒绝之间，充满诗情画意的《边城》成了一座没有硝烟的反现代化的战斗堡垒。《边城》凄惨的收尾真实地展示了现代化潮流冲击下的传统社会崩溃的命运，及人性的必然要求和它在现代化历史进程中不可能实现的悲剧，它是唱给残败的湘西的挽歌。在一段轻柔、平和、明快的牧歌般的思乡曲之后，作家背叛了情感，摧毁了“边城”，归依了现代化潮流，撤出了这座废弃的反现代化堡垒而在作品中唱出了抑郁、伤感、凝重的旋律为湘西传统农业社会送葬，实际上宣告了无法抗拒的历史理性对与生俱来的民族情感的一次胜利，也昭示了中华民族捐弃前嫌，为着湘西的重造和民族的新生而热切地呼唤现代化的宁馨儿。“边城”中所有的一切是现代化必然要颠覆甚至是已经颠覆了的。这座毫无科学价值的反现代化堡垒的审美价值在于：它的美学光辉照亮了偏远的湘西边城，照亮了黯然逝去的传统社会，它还将照耀着现代人寻找精神家园，追求人性的复归，直到它永远--因为“现代化”与“反现代化”思潮的冲突的二重性模式永远持续到将来。     

建立计量经济模型时解释变量的筛选

正确选择解释变量是计量经济模型建立好坏的一个关键。解释变量太多,会造成模型庞大,计算 复杂,还可能会包含一些不重要的因素,影响模型估计的效果;太少,有可能会使模型丢失一些重要变量,影响 模型的代表性。